[发明专利]一种磨煤机磨辊轴承的剩余寿命预测方法

权利要求书

1.一种磨煤机磨辊轴承的剩余寿命预测方法，其特征在于，包括下列步骤：

1)采集磨煤机运行故障状态下的磨辊轴承振动相关参数，并对采集到的实时数据进行筛选；

2)对筛选后的数据进行磨辊轴承的故障特征提取，并获取最优的共振频带，进而实现故障诊断；

3)获取磨辊轴承的退化状态，对磨辊轴承的退化阶段进行划分，并提取轴承退化的特征指标；

4)采用双向LSTM神经网络建立磨辊轴承剩余寿命预测模型，当磨辊轴承开始出现退化时，将轴承退化的特征指标作为模型输入，对磨辊轴承的剩余寿命进行预测；

步骤2)的具体内容为：

对筛选后的数据采用VMD进行磨辊轴承的故障特征提取，并从不同的分量中利用熵值法筛选出最优的共振频带，进而实现故障诊断；

步骤2)中，采用的VMD通过网格搜索法进行分解层数及惩罚因子的寻优搜索；

所述网格搜索法采用包络稀疏性函数作为目标函数；

所述包络稀疏性函数作为目标函数的表达式为：

式中，x(n)为所要搜索的参数的分量，n为分量的序号，N为分量的总数，‖x‖₁为x(n)的1范数，‖x‖₂为x(n)的2范数。

2.根据权利要求1所述的磨煤机磨辊轴承的剩余寿命预测方法，其特征在于，所述磨辊轴承振动相关参数包括磨辊轴承温度、轴承转速和轴承的振动幅值。

3.根据权利要求1所述的磨煤机磨辊轴承的剩余寿命预测方法，其特征在于，对于通过VMD得到的分量，对每一个分量提取故障特征指标，采用熵值法确定各故障特征指标的权重，并求取各故障特征指标的信息效用熵，选取信息效用熵最高的故障特征指标对应的分量频带作为最优共振频带。

4.根据权利要求1所述的磨煤机磨辊轴承的剩余寿命预测方法，其特征在于，步骤3)中，采用余弦相似度方法选出符合要求的轴承退化的特征指标，将其生成双向LSTM神经网络的输入矩阵，其特征相对应的退化状态作为双向LSTM神经网络的输出目标矩阵。

5.根据权利要求4所述的磨煤机磨辊轴承的剩余寿命预测方法，其特征在于，步骤3)的具体内容为：

根据磨辊轴承的转速将磨辊轴承工况进行分类，对不同工况的磨辊轴承振动信号提取rms值，基于rms值将磨辊轴承的退化规程划分不同阶段，根据不同阶段的节点提取时域上的特征指标，并计算这些特征指标和拟合曲线的余弦相似度，筛选余弦相似度高的特征指标作为表征滚动轴承的退化过程指标，并得到输入矩阵，筛选出的特征指标相对应的退化状态作为神经网络的输出目标矩阵。

6.根据权利要求4所述的磨煤机磨辊轴承的剩余寿命预测方法，其特征在于，步骤4)具体包括下列步骤：

41)设置用双向LSTM神经网络参数，建立神经网络；

42)将步骤3)得到的轴承退化的特征指标样本输入至所建立的神经网络中，对其进行训练，得到训练模型；

43)将测试样本输入到训练好的神经网络中，测试其预测磨辊轴承剩余寿命的能力。